1X2 Markets Explained: Understanding Three-Way Odds Data

Die Grundlage der Fußballmärkte

Als ich anfing, Vorhersagemodelle zu bauen, schien 1X2 das offensichtliche Ziel zu sein—es ist der Markt, über den alle reden. Aber ich lernte schnell, dass es tatsächlich einer der *schwierigeren* Märkte ist, die man genau modellieren kann.

Hier ist der Grund: Sie sagen eines von drei Ergebnissen voraus (Heimsieg, Unentschieden, Auswärtssieg), und das Unentschieden-Ergebnis ist bekanntermaßen schwer vorherzusagen. Es passiert etwa 25% der Zeit in den meisten Ligen, aber zu identifizieren, *welche* Spiele unentschieden enden werden, ist eine Herausforderung, mit der selbst die besten Modelle kämpfen.

---

Wie 1X2-Märkte Funktionieren

Die Notation ist einfach:

• 1 = Heimmannschaft gewinnt

• X = Unentschieden

• 2 = Auswärtsmannschaft gewinnt

Jedes Ergebnis hat unabhängige Quoten, die zusammen (wenn in Wahrscheinlichkeiten umgerechnet) aufgrund der Marge mehr als 100% ergeben.

---

Das Unentschieden-Problem

Dies ist der Elefant im Raum bei der 1X2-Modellierung. Unentschieden sind:

Schwer vorherzusagen: Die Korrelation zwischen Vor-Spiel-Merkmalen und Unentschieden-Ergebnissen ist schwächer als bei Siegen

Vom Publikum unterbewertet: Gelegenheitsbeobachter neigen dazu, Gewinner zu wählen, was potenzielle Ineffizienzen schafft

Kontextabhängig: Unentschieden sind in bestimmten Szenarien wahrscheinlicher (Saisonend-Spiele, beide Teams brauchen einen Punkt, Derby-Spiele)

Bei OddsFlow haben wir festgestellt, dass die Unentschieden-Vorhersage sich erheblich verbessert, wenn Folgendes einbezogen wird:

• Spielwichtigkeitsmetriken

• Unentschieden-Raten beider Teams (heim-/auswärtsspezifisch)

• Torerwartung von beiden Seiten

---

1X2 vs Asiatisches Handicap

Viele professionelle Analysten bevorzugen das Asiatische Handicap gegenüber 1X2, weil:

Jedoch bleibt 1X2 wertvoll, weil:

• Es der liquideste Markt ist
• Unentschieden-Ineffizienzen Chancen schaffen
• Einige Modelle speziell auf das Unentschieden abzielen

---

1X2-Daten in Modellen Verwenden

Bei OddsFlow verwenden wir 1X2-Daten auf verschiedene Weisen:

Als Ziel: Wahrscheinlichkeiten für alle drei Ergebnisse vorhersagen

Als Merkmale: 1X2-Quotenbewegung und implizite Wahrscheinlichkeiten informieren andere Modelle

Zur Kalibrierung: Vergleich unserer Drei-Wege-Wahrscheinlichkeiten mit Markterwartungen

Wichtige Erkenntnis: Wenn unser Modell stark mit der Markt-Unentschieden-Wahrscheinlichkeit nicht übereinstimmt, ist dieses Signal oft auch wertvoll für Totals-Vorhersagen.

---

📖 Weiterführende Lektüre: Asiatisches Handicap-Analyse • Implizite Wahrscheinlichkeit

*OddsFlow bietet KI-gestützte Sportanalysen für Bildungs- und Informationszwecke.*